Upload
hoangkhanh
View
219
Download
3
Embed Size (px)
Citation preview
Nagyfelbontású dinamikai modellezés
Szintai Balázs1, Szűcs Mihály1, Roger Randriamampianina2, Kullmann László1, Nagy Attila3, Horváth Ákos3,
Weidinger Tamás4, Gyöngyösi András Zénó4
1Országos Meteorológiai Szolgálat, Budapest2Norvég Meteorológiai Intézet, Oslo, Norvégia
3Országos Meteorológiai Szolgálat, Viharjelző Obszervatórium, Siófok4Eötvös Loránd Tudományegyetem, Földrajz- és Földtudományi Intézet, Meteorológiai Tanszék
Meteorológiai Tudományos Napok, 2013
Tartalom
• Modellalkalmazások az OMSZ-nál és az ELTE-n
• NH dinamika
• Horizontális diffúzió
• Fizikai parametrizációk
• Mikrofizika
• Turbulencia, sekély konvekció
• Felszíni folyamatok
• Ensemble előrejelzések
Operatív AROME - OMSZ
• AROME operatív az OMSZ-nál 2010 decembere óta
• ∆x=2,5 km
• ∆t=60 s
• 60 vertikális szint
• Futtatás naponta négyszer
• 3DVAR légköri adatasszimiláció
• Csatolás az ECMWF/IFS modellhez
A WRF operatív futtatása – beágyazott modell
DX=2,7 km37 modellszint
Mezo-béta skálájú kényszerek (explicit konvekció, felszín-légkör kölcsönhatások)
DX=900 m
Mezo-gamma skálájú rendszerek(városi cirkuláció, hegy-völgyi szél, egycellás zivatarok, stb.)
ECMWF (0,125°)
(illetve GFS (0,25°))
Egyirányú nest: a nagyobb modelltől peremfeltételeket kap, azonban nincs visszacsatolás(lehetőség van kétirányú nest-re, ahol van visszacsatolás a nagy modell felé)
10 m-es szélsebesség (modell és mérés)
2,7 km-es felbontás
0,9 km-es felbontás
WRF modell futtatása az ELTE Meteorológiai Tanszékén
Alkalmazás
– Oktatás hallgatói futtatások, napi előrejelzések, dolgozatok, speci.
– Kutatás• szélenergia becslések, szélklimatológia • repülésmeteorológiai felhasználás
– A jelenleg használt modellváltozat (3.5.1 verzió)• Beágyazott futtatás lehetősége, optimalizált modell parametrizációk,
hazai talajtextúra és felszínhasználati adatbázis alkalmazásával• 10 km-es horizontális felbontás• 27 vertikális modellszint • Napi 2x 96 h-s futtatás fél fokos GFS 3 óránként bemenő adatokon
– Kimenő adatok utófeldolgozása, Web-en keresztül megosztva• Web előrejelzése, archív adatok• meteorogram, térképes információk,
származtatott mennyiségek, repülésmeteorológiai információk
• ~2km horizontális felbontás: vertikális gyorsulás nem hanyagolható el (dw/dt~g) nem-hidrosztatikus dinamika
– HTD egyenletekben vertikális momentum egyenlet
• Előny: korábban parametrizált folyamatok explicit leírása
– mély konvekció
– orografikus áramlás (gravitációs hullámok)
• AROME:
• spektrális modell
• hatékony Semi-Implicit (idő) Semi-Lagragne-i (advekció) numerikus séma
• dx = 2,5 km dt = 60 s
• WRF:
• rácsponti modell
• Harmadrendű (explicit) Runge-Kutta séma
• dx = 2,7 km dt = 12 s ; dx = 0,9 km dt = 4 s
Dinamika
NH modell realisztikus
H modell: túl gyors leáramlás, kis cellákra szakad
Dinamika
Horizontális diffúzió - AROME
• SLHD: Semi Lagrangian Horizontal Diffusion
– Nemlineáris diffúzió (erősebb csillapítás)
– Lokális
– A rácsponti térben definiált változókra is (pl. hidrometeorok) alkalmazható
– Fizikailag realisztikusabb parametrizáció
– Diffúzió a horizontális deformáció függvénye
• Horizontális diffúzió az AROME-ban:
– SLHD
– Csökkentett spektráldiffúzió (negyedrendű) a tartomány tetején hat (durva vertikális felbontás miatt)
– „Supporting” spektráldiffúzió (hatodrendű) az orográfia következtében fellépő zaj kiszűrése
Horizontális diffúzió - AROME
• Eredeti konfiguráció:
– Gyenge spektrális diffúzió minden vertikális szinten
– SLHD minden hidrometeorra (felhő- és csapadékelemek)
• Kísérlet:
– Spektrális diffúzió csak 100 hPa felett
– SLHD pontosságának növelése
– SLHD:
• Felhőelemekre (felhő-víz, felhő-jég)
• Dinamikai mezőkre (u, v, w, T, q)
• Turbulens Kinetikus Energiára
1h csap. [mm]
SLHD-new
1h csap. [mm]
SLHD-old
MSG látható
Horizontális diffúzió - AROMEEsettanulmány
• Erősebb horizontális keveredés
• Konvektív csapadék intenzitása csökken
• Cellák száma kissé csökken
• Konvektív széllökés csökken
Széllökés [m/s]
SLHD-new
Széllökés [m/s]
SLHD-old
Széllökés [m/s]
SYNOP
1h csap. [mm]
Radar
2010-07-22 15 UTC (+15 h)
Horizontális diffúzió – WRF (OMSZ)~100 m-es horizontális felbontás
Magasrendű diffúziós tag bevezetése a turbulens diffúzió
parametrizációjába
6-odrendű diffúziós tag nélküli 10 m-es szélmező és domborzat
6-odrendű diffúziós tag melletti 10 m-es szélmező és domborzat
• ~2km horizontális felbontás explicit mélykonvekció: –NH dinamika + mikrofizika
• csapadék, felhőképződés részletes leírása szükséges
• AROME és WRF mikrofizikájának alapkoncepciója hasonló
• sokféle hidrometeor csoportosítása néhány kategóriába–6 (7) kategória: vízgőz, felhőcsepp, jégkristály, esőcsepp, hó, hódara, (jég)
• prognosztikai egyenletek a hidrometeorok keverési arányaira
• momentumos közelítés
– hidrometeorok méret eloszlása , ahol D az átmérő
– tömeg, esési sebesség a méret fv-e
– integrálás az összes méretre
– keverési arány az eloszlás 3. momentuma
– mikrofizikai folyamatok (pl. koaguláció, aggregáció) analitikusan integrálható
függvények
Mikrofizika
)(Dni
0
)()(/1 dDDnDmr irefi
0,4
0 ,( ) , ( ) /b d
d refm D aD v D cD
Hidrometeorok inicializálása - AROME
ref: kAROME(0)=0
új: kAROME(0)=kAROME(t) > 0
(k: „kondenzált” hidrometeor: c, i, r, s, g)
Hókristályok keverési aránya 500 hPa-on
Jégkristályok keverési aránya 300 hPa-on
Rövidhullámú sugárzásfluxus a felszínen
EredetiJégkristályok megnövelt
hozzájárulása a sugárzásátviteli súlyfüggvényekben
Mikrofizika, Sugárzás – WRF (OMSZ)
• Mikrofizikai és sugárzás parametrizáció kapcsolata
• Az eredeti beállításokkal a felszínre jutó RH sugárzást felülbecsli a modell
• Jégkristályok megnövelt hozzájárulása a sugárzásátvitelisúlyfüggvényekben
Turbulencia• Reynolds felbontás:
• Feladat: parametrizációja, mivel adja meg az adott modellváltozó turbulens folyamatokból eredő tendenciáját
• WRF modell: elsőrendű nemlokális séma ellengradiens tagokkal (YSU, Hong et al., 2006) + a széldiagnosztika javításával, amely figyelembe veszi a rácstávolságnál kisebb skálájú felszíni érdesség és inhomogenitás hatását
• AROME modell: EDMF (Eddy Diffusivity Mass Flux) koncepció
w wdiv
uuMz
Kw
: modellváltozó valós értéke
: modellváltozó rácsponti értéke
: modellváltozó fluktuációja
: vertikális sebesség
: turbulens diffúziós együttható
: feláramlási tömegfluxus
: modellváltozó feláramlási értéke
uM
K
w
u
Gradiens tag„CBR” séma
1,5 rendű lezárás, prognosztikus TKE
Tömegfluxus tag„Kain-Fritsch” konvekció
Turbulencia - AROME
• Erősebb keveredés a határrétegben nem alakulnak ki a kis cellák
• Széllökés felülbecslése csökken
• A konvekció időzítése is javul
• Csapadékmaximumot enyhén felülbecsli
AROME - old
1h
cs
ap
ad
ék
Ala
cs
on
ys
zin
tű f
elh
őze
t
MSG Vis. Radar 1h csap.
AROME - new
AROME - old AROME - new
2010-07-22 11 UTC (+11 h)
AROME - old AROME - new
Szé
llö
ké
s
SYNOP - Széllökés
Meteogramm: származtatott paraméterek – WRF (ELTE)
jegesedés turbulencia
-8(T-Td)≥T
Brown-index
Colson-Panofski Index
Clark-féle CAT Index
Elrod2 Index
Frontogenezis függvény
Hibrid Turbulencia IndexKomponensek átlaga
Modell változók
Jegesedés intenzitás
A parametrizációs eljárások a TÁMOP -4.2.1.B-11/2/KHR-0001 Kritikus infrastruktúra védelmi kutatások keretében készültek.
Külön köszönet Bottyán Zsolt, Kardos Péter, Kurunczi Rita és Wantuch Ferenc munkájáért.
Felszíni folyamatok
• WRF: NOAH LSM
• diffúziós talajmodell (4 szint)
• operatívan önállóan is futtatott
• AROME: Surfex = Surface Externalisée: elvben bármelyik légköri modellhez
csatolható (interface szükséges)
• „Tiling”: adott rácsponthoz többféle felszíntípus
- vegetáció, tenger, tó/folyó, város
- vegetáció további 12 „patchre” osztható
(növényzet típusa alapján)
• visszacsatolás légkörhöz: területi arányok alapján
átlagolt fluxusok (hő, vízgőz, momentum)
• offline futtatás (csak egy irányú kölcsönhatás)
• séma validálásához
• felszíni folyamat vizsgálata (pl. városi hősziget vagy vegetáció fejlődése)
felszíni fluxusok
hó
légköri kényszer (T, RH, V, Rn, P)
gyökérzóna: T2, w2
mély talaj zóna: w3
d2
d3
Ts, ws
Wr
ISBA
• progonosztikai változók: Ts, T2, ws, w2, w3, Wr, ms, as, ρs
• 3 rétegű Force-Restore séma
• force: külső kényszer, restore: visszatérés egyensúlyba
• 1 rétegű hóséma (prognosztikus sűrűség, albedó)
• ISBA-A-gs fotoszintézis séma
• vegetáció időbeli fejlődése
• természetes eredetű CO2 fluxusok számítása
tető
út
fal
canyon
épület
TEB
• Kanyon séma:
• 3 felszín: fal, tető, út (mindegyik 3 rétegű)
• minden útirány lehetséges, kiintegrál összes irányra
• diffúziós egyenletek rétegek hőmérsékletére
• sugárzás: árnyékolási effektus, sugárzási csapda
• antropogén hatások figyelembe vétele (hő, nedvességfluxus)
Canopy séma (felszíni határréteg)
• Hagyományos séma 2 m-es mezők meghatározására: diagnosztikai úton, stabilitásfüggő
vertikális profil
• Canopy séma: légkör alsó 10 m-e 6 vertikális szintre
•1D (vertikális) turbulencia séma SBL-ben (+város/növényzet okozta akadály)
•2 m-es mezők prognosztikai úton számolódnak pontosabb előrejelzés
Felszíni folyamatok – AROME modell
Hullámmagasság-előrejelzés – WRF (OMSZ)
• Balatoni hullámmagasság-előrejelzés a beágyazott (900 m-es) modell szélmezejéből meghajtva
• Operatív bevezetés: 2012 augusztus
• Empirikus formula, bemenő adatai:
• 10 m szélsebesség
• vízmélység
• szélút
Felszín hatása – WRF (OMSZ)
A növekvő felbontással a felszín állapotára egyre nagyobb az érzékenység
(amelynek leírása elsősorban adathiány miatt korlátozott)
Nedves talaj Száraz talaj
Vertikális sebesség 700 hPa
Nem-hidrosztatikus EPS - Motiváció A nagyfelbontású modellek lehetővé
tették időben gyorsan fejlődő, kisskálájú, veszélyes időjárási jelenségek leírását (pl. konvektív események).
E kisskálájú folyamatok leírása bizonytalan. Előrejelzésük hibája gyorsabban nő, mint a nagyobb (pl. szinoptikus) skálájú folyamatoké.
Példa: 2013. augusztus 20.
Egyetlen modell integrálás nem feltétlenül tudja pontosan leírni ezeket a veszélyes időjárási jelenségeket.
Cél egy olyan numerikus előrejelzési sokaság (ensemble) futtatása, mely kijelöli az egyes veszélyes időjárási jelenségek nagyobb valószínűséggel való bekövetkezésének területeit.
Nem-hidrosztatikus EPSAz OMSZ kísérleti AROME-EPS-e
11 tagú rendszert futtatunk. A tagokat csatolhatjuk az ECMWF-EPS-hez illetve a francia PEARP-hoz is. Ezekből a globális rendszerekből érkező perturbációk is leírják a rendszerben rejlő bizonytalanság egy részét.
Két területen próbáljuk a bizonytalanságok számszerűsítését tovább javítani:
A kezdeti feltételeket szeretnénk megfigyelésekkel lokálisan tovább pontosítani úgy, hogy a megfigyelések hibáját is figyelembe vegyük. Ezért nem egy analízist készítünk, hanem több asszimilációs ciklust futtatunk (EDA – ensemble data assimilation).
xa1=xb1+K (y1− H (xb1))
xa2 =xb2 +K (y 2− H (xb2))
Nem-hidrosztatikus EPSAz OMSZ kísérleti AROME-EPS-e
11 tagú rendszert futtatunk. A tagokat csatolhatjuk az ECMWF-EPS-hez illetve a francia PEARP-hoz is. Ezekből a globális rendszerekből érkező perturbációk is leírják a rendszerben rejlő bizonytalanság egy részét.
Két területen próbáljuk a bizonytalanságok számszerűsítését tovább javítani:
A modell-hiba reprezentációjának érdekében az ún. SPPT (stochastically perturbed parametrized tendencies) sémát alkalmazzuk, melynek alapelve, hogy a parametrizált folyamatok hordozzák a modellhiba nagyobb részét, így a fizikai paremterizációk hozzájárulását perturbáljuk.
e j (T )= ∫ {A (e j ;t)+P'(e j ;t)}dt
P'(e j ;t)= (1+r j) Pj (e j ;t)
Itt egy 0 várható értékű gauss-i eloszlásból származó véletlen szám.jr
Nem-hidrosztatikus EPSAROME-EPS 2013. augusztus 20.
Nem-hidrosztatikus EPSAROME-EPS 2013. augusztus 20.
Összefoglalás
• A veszélyes időjárási jelenségek előrejelzésében manapság már nélkülözhetetlen eszközök a nagyfelbontású, nem-hidrosztatikus időjárás-előrejelző modellek.
• Ezen modellek felbontásuknál fogva képesek a mély konvekció explicit leírására. Ehhez az egyenletrendszer nem-hidrosztatikus megoldása, valamint fejlett fizikai parametrizációk alkalmazása szükséges.
• A kis skálájú folyamatok nagy bizonytalansága miatt fontos a valószínűségi megközelítés.